【机器学习系列（4）】模式发现与推荐系统：关键技术深度解析

【机器学习系列（4）】模式发现与推荐系统：关键技术深度解析

一、关联规则挖掘（Apriori算法）

1. 算法核心原理

• 支持度（Support）：项集出现的频率
• 置信度（Confidence）：规则成立的条件概率
• 提升度（Lift）：规则的有效性指标

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules
import pandas as pd

# 模拟交易数据
transactions = [
    ['牛奶', '面包', '啤酒'],
    ['牛奶', '尿布'],
    ['面包', '啤酒', '尿布'],
    ['牛奶', '尿布', '啤酒']
]

# 数据预处理
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 挖掘频繁项集
frequent_itemsets